一种结构自适应的径向基函数神经网络

摘要

提出了一种新的结构自适应的径向基函数(RBF)神经网络模型.在该模型中,自组织映射(SOM)神经网络作为聚类网络,采用无监督学习算法对输入样本进行自组织分类,并将分类中心及其对应的权值向量传递给RBF神经网络,分别作为径向基函数的中心和相应的权值向量;RBF神经网络作为基础网络,采用高斯函数实现输入层到隐层的非线性映射,输出层则采用有监督学习算法训练网络的权值,从而实现输入层到输出层的非线性映射.通过对字母数据集进行仿真,表明该网络具有较好的性能.